Entlastung der CPU per Data Processing Unit

Intel konkretisiert FGPA-Roadmap

11.10.2022
Von 
Andy Patrizio arbeitet als freier Journalist für die Network World.
Intel erweitert seine FGPA-Produktpalette über das Rechenzentrum hinaus. So sollen Agilex-Produkte künftig auch in Remote-, Edge-Computing- und Embedded-Systemen zum Einsatz kommen.
Intel erweitert sein Angebot an FPGA-Chips mit der Agilex D-Series.
Intel erweitert sein Angebot an FPGA-Chips mit der Agilex D-Series.
Foto: Intel/YouTube

Die Entlastung klassischer CPUs von Netzwerk-, Security- oder Storage-Aufgaben wird immer wichtiger. Spezialisierte Hardwarebeschleuniger - etwa Graphics Processing Units (GPUs) oder Field-Programmable Gate Arrays (FPGAs) - sollen diese Jobs übernehmen. Hierzu hatte beispielsweise erst im April AMD den Data-Processing-Unit-(DPU-)Spezialisten Pensando für rund 1,9 Milliarden Dollar gekauft. Auch Intel engagiert sich in diesem Segment seit der 16,7 Milliarden Dollar teuren Übernahme des FPGA-Herstellers Altera vor sieben Jahren.

Intels FGPA-Roadmap

Bislang verwendete Intel die FPGA-Prozessoren in erster Linie für SmartNICs, damit diese den Server-CPUs Aufgaben abnehmen. Nun möchte Intel den FPGA-Einsatz vom Rechenzentrum auf Remote-, Edge-Computing- und Embedded-Systeme ausweiten. Hierzu hat der Chipbauer eine Roadmap vorgestellt, die die neuen und zukünftigen FPGAs in vier separate Produktkategorien unterteilt:

  • Agilex D-Serie,

  • Multi-Chip-FPGA-Pakete,

  • Sundance Mesa und

  • Direct RF-Portfolio.

Alle vier Kategorien sollen, wie es heißt, unter dem Markennamen Agilex laufen.

Agilex D-Serie

Die neuen FPGAs der Agilex D-Serie ergänzen die älteren Cyclone-, Arria- und Stratix-Produkte im Midrange-Bereich. Dabei habe die D-Serie geringere thermische Anforderungen und sei günstiger. Als mögliche Einsatzgebiete sieht Intel Bereiche wie 5G-Basisband-Funkgeräteoder Embedded Applications etwa in der medizinischen Geräteindustrie und der Fertigung. Darüber hinaus soll die D-Serie in Rechenzentren für Anwendungen wie die Speicherbeschleunigung zum Einsatz kommen.

Multi-Chip-FPGA-Pakete

Die zweite Produktlinie besteht aus Agilex-FPGAs mit Unterstützung für Compute Express Link (CXL) und PCIe 5. Sie wurde für anspruchsvolle Prozessor-Workloads entwickelt, dürfte aber auch in Rechenzentren etwa für die Netzwerkverarbeitung eingesetzt werden. Diese FPGA-Linie soll ein Multi-Chip-Gehäuse aufweisen, um FPGA mit einem ASIC, einem CXL-Chip und PCIe 5 zu kombinieren. Damit ist die Linie auch Bestandteil von Intels smartNIC-Strategie, oder wie es im Intel-Jargon heißt, Bestandteil der IPU-Strategie (Infrastructure Processing Unit).

Ein Grund für die Multi-Chip-Gehäusestrategie dürfte sein, dass Intel so in der Lage ist Teile des Chips aufzurüsten, ohne ihn vollständig zu überarbeiten. So werden etwa erste Agilex-FPGAs in diesem Jahr mit CXL-1.2-Unterstützung geliefert. Im nächsten Jahr sollen sie jedoch bereits auf CXL 2.0 aufgerüstet werden. Bei dem gewählten Designkonzept kann Intel einfach die CXL-Komponente im Gehäuse austauschen, ohne den gesamten Chip neu zu entwerfen.

Sundance Mesa

Ein anderer Teil von Intels Strategie für Rechenzentren konzentriert sich auf künstliche Intelligenz und die Unterstützung von KI-Anwendungen sowohl innerhalb des Netzwerks als auch am Edge. Die neuen FPGAs der Sundance-Mesa-Reihe verfügen über fortschrittliche KI-Funktionen im Zusammenhang mit der INT8-Verarbeitung, die für den Inferenzteil der KI verwendet wird.

Intel Direct RF-Portfolio

Die letzte Produktlinie ist das Intel Direct RF Portfolio, bei dem es sich um Prozessoren für analoge und RF-Signalanwendungen handelt.

FPGAs programmieren

Eine der großen Herausforderungen im Zusammenhang mit FPGAs ist, dass sie schwierig zu programmieren sind. Aus diesem Grund arbeiten mehr als 35 Prozent des Intel-Ingenieurteams an der Entwicklung von Software, um Developern das Schreiben von grundlegendem Code abzunehmen.So stellt der Konzern Compiler und andere Entwicklungstools zur Verfügung und bezieht FPGA in seine oneAPI-Strategie ein. Diese wurde geschaffen, um die Programmierung durch eine API zu vereinfachen, die eine Vielzahl von Prozessoren unterstützt - von CPU über GPU bis hin zu FPGA und mehr.